个性化推荐系统能够帮助人们发现有趣的东西。随着电子商务的发展,个性化推荐系统得到了广泛的应用。目前,很多学者提出的推荐框架都使用社群分离技术作为主要创新之处,并且在以后较长的时间内,该方法被认为是个性化推荐框架中最有效的技术手段。随着电子商务框架中客户和项目的不断增加,在全方位的客户空间中对目标客户进行无意义的近邻社区分离式搜索,使得个性化推荐技术的持续性发展无法得到有效保证。同时,当客户信息库中的记录数量增加时,它的质量会降低。源信息采集的稀疏性是造成信息质量低下的重要原因。针对面向社区筛选中的适应性和稀疏性问题,提出了一种结合客户群创新和事物群创新的个性化建议方法客户是根据客户对事物的评价来分组的,每个客户组都有一个群体。鉴于目标客户与群体焦点的相似性,可以找到目标客户的最近邻,并在必要时混合用户期望。在这一点上,本文所提的方法使用事物分组社区来创建推荐列表。加入客户分组和事物群社区分离的推荐结果比传统的推荐技术更具适应性和精确性。推荐系统与推荐技术正在从一种以电子商务为目标而出现目的新鲜事物,逐渐转变为真正的促进电子商务发展的技术手段,这些技术手段正在重塑电子商务的世界。到目前为止,许多大型的商业网站都在利用推荐框架/系统来帮助客户挖掘他们要购买的潜在商品。推荐框架从客户那里学习,并推荐客户从可访问的项目中发现最有价值的项目。在本文中,我们详述了推荐框架/系统是如何帮助电子商务网站增加交易量的,并分析了六个使用推荐框架的网站,其中包括使用多中推荐框架的电子商务系统。基于这些案例,我们对推荐系统进行了分类,包括推荐系统向客户提供的接口、推荐所使用的先进技术以及推荐系统需要客户提供的输入数据。最后,我们对推荐框架中那些未在电子商务使用的应用进行了思考与展望。